小波变换在医学图像融合中的应用

摘要：医学图像融合技术可以将多种成像模式提供的图像融合在一起，在一幅图像中提供综合的诊断信息。小波变换是医学图像融合的一种有效方法。

关键词：医学图像；图像融合；小波变换

中图分类号：TP391.41文献标识码：A文章编号：1007-9599 （2010） 16-0000-01

Application of Wavelet Transform in Medical Image Fusion

Ma Shuang

(Northeastern University,Shenyang110819,China)

Abstract:Medical image fusion can provide an image of comprehensive diagnoses information by fusing images from categories of image modes.Wavelet transformation is an effective method of medical image fusion.

Keywords:Medical image;Image fusion;Wavelet transform

一、进行CT和MRI图像融合的必要性

医学影像学为临床提供了超声图像、X射线、电子计算机体层扫描（CT）、磁共振成像（MRI）、数字减影成像（DSA）、正电子发射体层扫描（PET）、单光子发射断层成像（SPECT）等多种模态影像信息。在实际临床应用中，单一模态图像往往不能提供医生所需要的足够信息，通常需要将不同模态图像融合在一起，得到更丰富的信息以便了解病变组织或器官的综合信息，从而做出准确的诊断或制订出合适的治疗方案。

CT利用各种组织器官对X射线吸收系数的不同和计算机断层技术对人体进行成像，它对于骨、软组织和血管的组合成像效果很好，而对软组织则近乎无能为力。CT值主要说明组织密度高低，如颅内气体密度低，呈黑色；白质密度较低，呈灰色；灰质密度较高，呈浅灰色：由于CT的密度分辨率高，病灶和正常组织之间小的密度差别也会显示出来。CT只有解剖结构发生改变后才有阳性表现，而许多疾病在解剖结构改变之前早已出现代谢功能上的变化。

MRI作为新的无损病理分析工具，无辐射、无试剂侵入，对人体无损伤，利用被检组织的物理和生化特性来做评定，不仅能得到解剖形态的信息图像，而且还可以显示各种不同组织的化学结构，获得分子水平的动态生理、生化信息功能图像，对疾病可作早期或超早期诊断。MRI利用水质子信息成像，对软组织和血管的显像灵敏度比CT高得多，但对骨组织则几乎不显像。所以，MRI成像技术不仅可以清楚地分辨出肌肉、筋膜、脂肪、脑灰质、脑白质等正常软组织，对肿瘤等病变也具有较高的分辨率，因而MRI也是当前医学临床最具有竞争力的影像诊断手段之一。同时，它还是研究脑功能的代谢、发生机制等生物工程科学的好帮手。

不同成像技术对人体同一解剖结构所得到的形态和功能信息是互为差异、互为补充的，因此对不同影像信息进行适当的集成便成为临床医生诊断和治疗疾病的迫切需要。显然，CT和MRI提供了相关脏器不同的图像信息，毫无疑问，如果将这些图像有机地融合起来，必将提供更为全面的医学信息和诊断依据。

二、小波变换简介

小波变换是一种新的变换分析方法，它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法己被广泛用于许多问题的变换研究中。

从小波变换的数学理论来说，它是继傅里叶变换之后纯粹数学和应用数学完美结合的又一光辉典范，享有“数学显微镜”的美称。它是以局部化函数所形成的小波基作为基底而展开的，具有许多特殊的性能和优点。从应用科学和技术科学的角度来说，小波变换又是计算机应用、信号处理、图像分析、非线性科学和工程技术近几年来在方法上的重大突破。实际上，由于小波变换在它的产生、发展、完善和应用的整个过程中都广泛受惠于计算机科学、信号和图像处理科学、应用数学和纯粹数学、物理科学和地球科学等众多科学研究领域和工程技术应用领域的专家、学者和工程师的共同努力。现在它已经成为科学研究和工程技术应用中涉及面极其广泛的一个热门话题。

三、小波变换在医学图像融合中的应用

医学图像融合经过近些年的研究，已经应用在影像诊断、临床治疗中，国外已经有了产品化的融合软件系统。在临床上CT图像和MRI图像的融合应用于颅脑放射治疗、颅脑手术可视化中，起到了很好的辅助作用。而MRI图像与EEC图像这种一二维图像之间的融合，应用于癫痫病的辅助治疗，起到了较好的效果。另外，脑的SPECT或PET图像与CT或MRI图像的融合在研究血流、代谢、受体分布，以及原发或复发肿瘤的探查等方面均起到了重要作用。

在图像融合的研究中，不断有新方法出现。小波分析是近几年出现的一个新的研究热点，它被认为是傅立叶分析方法的突破性进展。与Fourier变换相比，小波变换是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号（函数）逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困问题，成为继Fourier变换以来在科学方法上的重大突破。小波变换在图像融合中的应用研究已有报道，但多是热图像和可视图像的融合，而在医学图像融合方面的研究还很少。小波变换用于医学图像融合有不少优点：图像经小波分解后，不同分辨率的细节信息互不相关，这样可以将不同频率范围内的信号分别组合，产生多种具有不同特征的融合图像；图像在不同分辨率水平上的能量和噪声不会互相干扰；融合图像的块状伪影亦容易消除。而且图像的小波分解是一种图像的多尺度、多分辨率分解，因为小波是非冗余的，使得图像经小波分解后的数据总量不会增大；同时，小波分解具有方向性，利用这一特性就可能针对人眼对不同方向的高频分量具有不同分辨率这一视觉特性，在图像融合时获得效果更佳的融合图像基于这些优点，小波变换在医学图像融合中的应用已经受到大家的普遍重视，将是融合研究的一个新热点。